多示例多標簽學習在基因功能注釋中的應用.pdf

1、在后基因組時代，最主要的挑戰(zhàn)是基因組注釋。作為基因組注釋的重要研究部分，基因功能注釋有著舉足輕重的地位。為人類更好的認識基因，探索生命的本源提供必要的依據(jù)。人類基因組測序工程產(chǎn)生了大量的全基因組數(shù)據(jù)，這些數(shù)據(jù)為基因功能注釋課題的研究提供了豐富的生物學信息。然而，從大量的信息中獲取有用的知識，人工的方法已經(jīng)不能勝任，需借助計算的方法進行機器學習。本文采用多示例多標簽的學習方法對該任務進行研究，主要的研究工作如下:
　　首先，本文從基

2、因表達模式的角度對基因功能進行預測，細致地分析研究了基因功能注釋數(shù)據(jù)庫中基因功能之間的關系及其推導過程。針對基因功能注釋數(shù)據(jù)庫中基因與功能之間多對多映射關系的特點，本文引入多示例多標簽學習框架，并對多示例多標簽學習框架進行研究分析。
　　其次，針對多示例多標簽學習框架的退化策略會退去基因之間的相關性的問題，本文結合多示例學習框架與層次聚類算法，提出了多示例層次聚類算法。該算法以基因表達相關性為基礎，將擁有相同基因功能的基因的時序表

3、達數(shù)據(jù)子集視為該基因功能的示例集合進行多示例構建。使用基因時序表達數(shù)據(jù)之間的皮爾森相關系數(shù)計算多示例之間的距離，并通過最大化各基因功能類中所包含的基因之間的相關性進行聚類約束，使得基因之間的相關性能在聚類過程中得到很好的保持。
　　最后，為驗證算法的有效性，本文在釀酒酵母的四個基因時序表達譜中進行實驗，先使用多示例層次聚類算法將多示例多標簽任務退化成單示例多標簽任務，再采用多標簽支持向量機或多標簽K近鄰算法進行求解。實驗表明該算法